人大ClawGymII：用Agent Harness直接训练模型
智东西 · wechat · 2026-08-18
核心思路：执行与优化解耦
中国人民大学高瓴人工智能学院提出ClawGymII框架，旨在通过真实的Agent Harness（如ClaudeCode、OpenClaw）直接进行黑盒强化学习，而非仅利用其生成的离线数据。
解决痛点：
- 可扩展执行：使用Sandbox隔离每个任务的Rollout，支持大规模并发，通过MCP接入工具无需修改Harness。
- 轨迹重建：针对黑盒产生的碎片化调用，提出前缀树重建方法，合并重复历史，过滤无效分支（如Retry），生成完整训练轨迹。
- 多Harness联合训练：实现Mix-Harness Training，让单一策略模型同时从OpenClaw、ClaudeCode等异构Harness中学习。
实验结果：
- 在Qwen3-30B-A3B上，通过OpenClaw和ClaudeCode进行黑盒RL，分别使模型在PinchBench上提升了17.28和11.71分。
- 跨越JobBench和OfficeQA等不同形态任务，框架均能实现稳定提升，验证了通用性。
所属事件:人大发布 ClawGym II，黑盒 RL 直接训练复杂 Agent(3 条相关)→
「编程与Agent」频道最新
- 设计反馈工具 Inflight 发布:让 Claude 直接消化原型反馈 — soleio · 2026-10-16
- Apple 代码签名耗时数小时,官方建议:等一周 — pjausovec · 2026-10-16
- 4B 模型加 8K 上下文堆算力反而更差，Hermes 提出上下文推理新思路 — mangahomanga · 2026-10-16
- Flux 3 Klein 默认模板有坑:必须接 prompt upscaler 才能出好图 — StrictMove5839 · 2026-10-16
- 21 人团队 AI 写 97% 代码,每周数百 PR,16% 自动合并 — rseroter · 2026-10-16
- ClosedMCP:一次配置 MCP,跨平台团队共享的 Serverless 方案 — Ok_Sprinkles1301 · 2026-10-16